Naviguer dans la ruée vers l’or de l’IA : Dévoiler les coûts cachés de la dette technique dans les entreprises

Au cours de la dernière année, l’intelligence artificielle a captivé l’attention des dirigeants d’entreprise, les incitant à accélérer leurs investissements dans les entreprises d’IA ou à hâter l’introduction de leurs propres produits pour ne pas être distancés. Cependant, dans la précipitation pour rejoindre cette nouvelle ère de progrès technologique, les organisations qui sont nouvelles dans le domaine de l’IA peuvent ne pas prendre en compte un facteur important qui devrait être au premier plan lorsqu’elles investissent ou créent de nouveaux produits d’IA : la dette technique.

Bien que le concept de dette technique ne soit pas nouveau, la technologie d’IA entraîne un type différent de dette technique par rapport aux services de logiciels classiques. Et à mesure que l’IA continue de s’améliorer rapidement, cela entraîne la croissance de ce problème important.

Qu’est-ce que la dette technique ?

La dette technique, dans sa définition la plus simple, est l’accumulation de code de mauvaise qualité lors de la création d’un logiciel. Cela provient généralement d’un calendrier de mise sur le marché accéléré pour répondre aux besoins commerciaux, ou pour sortir quelque chose rapidement afin d’obtenir des commentaires de la part des clients plus rapidement. Lorsqu’on considère la dette technique, il est important de se concentrer sur l’aspect délibéré, car les décideurs sont souvent conscients des risques liés aux logiciels et des impacts de la prise de raccourcis pour gagner du temps. L’émergence de l’IA a apporté un défi différent et unique en matière de dette technique, avec des risques et des conséquences importants qui pourraient en résulter.

Au fur et à mesure que les systèmes d’IA vieillissent et que leurs données de formation deviennent inexactes et obsolètes, le coût d’investir dans l’IA maintenant dépasse le temps et les investissements nécessaires pour maintenir des données de formation de haute qualité, également appelées hygiène des données.

Explorons comment la dette technique est accumulée, son impact sur le chiffre d’affaires et comment les organisations peuvent y remédier.

Comment les organisations acquièrent-elles de la dette technique ?

 Il existe deux façons dont les logiciels peuvent accumuler de la dette technique. L’une est due à un code simplement mauvais. Les organisations peuvent acheter des produits ou les hériter via des activités de fusions et acquisitions, pour ne découvrir plus tard des problèmes de qualité en plus de taux de changement et d’innovation lents. L’autre est lorsque les dirigeants choisissent délibérément d’assumer de la dette technique.

Lorsqu’il s’agit d’IA, plus de 72% des dirigeants veulent adopter l’IA pour améliorer la productivité des employés, mais la principale préoccupation entourant la mise en œuvre de l’IA est la qualité et le contrôle des données. Il semble contre-productif pour une organisation d’utiliser un produit promu pour accroître la productivité, tout en détournant du temps essentiel pour s’attaquer continuellement à tous les problèmes de qualité causés par la dette technique qui pourraient mettre en péril la productivité. Mais la promesse du rendement éventuel pour une productivité accrue l’emporte sur ces obstacles dans le futur immédiat, qui finiront par hanter le logiciel à long terme.

Dérive de modèle : un nouveau type de dette technique

Avec l’émergence d’investissements accrus dans l’IA, les organisations ont précipité les stratégies de mise sur le marché pour profiter de la mine d’or de l’IA générative. Même si cela peut fonctionner comme un moteur de revenus à court terme, les organisations négligent ce qui pourrait s’avérer être une grande quantité de dette technique plus tard, connue sous le nom de dérive de modèle.

La dérive de modèle se produit lorsque les performances d’un système d’IA commencent à diminuer et que les sorties deviennent moins précises à mesure que les données de formation vieillissent. En regardant le cycle de vie de l’IA, il est évident que les données de formation devront être continuellement maintenues et mises à jour pour garantir que les réponses fournies par la machine soient aussi précises que possible – c’est là que commence la rupture. Lorsque l’on se précipite pour sortir des solutions, les décideurs dépriorisent souvent des problèmes tels que l’obtention de données de formation supplémentaires, le maintien de l’hygiène des données du système et la garantie qu’il y a une main-d’œuvre suffisante pour soutenir ces tâches.

À mesure que les données de formation continuent de vieillir et que les écarts entre la réalité et les sorties s’élargissent, les organisations seront confrontées à des coûts et à des délais accrus pour résoudre ces lacunes qui auraient pu être évités avec une planification et des protocoles appropriés. En résumé : sauter l’étape suivante lors de la planification d’une stratégie de mise sur le marché peut permettre une livraison plus rapide, mais ce n’est pas la peine de l’effondrement inévitable qui coûtera de plusieurs manières à long terme.

Impact de la dette technique sur le chiffre d’affaires

La dette technique peut également avoir un impact profond sur l’efficacité organisationnelle – par exemple, considérons les équipes de vente. Lorsque la dette technique commence à s’accumuler et que le taux de changement ralentit, il devient de plus en plus difficile pour les représentants de vente d’attirer les clients, ce qui ralentit les taux de clôture et, inévitablement, les flux de revenus en conséquence.

Au-delà des ventes, la dette technique a également un impact important sur les équipes de développement. Non seulement cela nécessitera plus de temps consacré à la mise à jour du code, mais l’attention détournée sera effectivement reportée sur l’innovation. En déplaçant l’attention et le temps vers la maintenance, la feuille de route du produit est alors retardée ou abandonnée, créant un effet d’entraînement qui pourrait finalement entraîner une méfiance entre le côté technique et commercial de l’entreprise. Sans feuille de route de produit à suivre, les équipes de vente sont laissées avec des promesses non tenues ou rien à montrer aux prospects, ce qui affecte à nouveau considérablement les revenus.

Comment résoudre la dette technique

À mesure que la prévisibilité de la livraison diminue, les organisations commenceront à voir la rupture de l’efficacité organisationnelle, conduisant à des conversations sur la façon de résoudre les défis en cours. Il existe deux façons dont les décideurs peuvent utiliser pour lutter contre la dette technique. La première consiste à jeter le platforme et le code entièrement et à replatformer, ou à intégrer de petits changements incrémentiels, similaires à un nettoyage lent d’une pièce un article à la fois, pour finalement amener les systèmes à jour.

La première méthode, la replateformisation, nécessite une refonte complète des systèmes, et constitue un risque important et coûteux à prendre. Similaire à un processus de construction à grande échelle, tout retard dans la planification peut perturber les délais de produit et pourrait faire échouer l’effort dans son ensemble. Cette méthode peut fonctionner parfois. Prenez LinkedIn par exemple – après son introduction en bourse en 2011, l’entreprise a replatformé le site et est maintenant un grand joueur sur le marché.

Le pari plus sûr, qui consiste à apporter de petits changements qui finiront par s’additionner pour améliorer considérablement les systèmes, est un autre cas d’utilisation pour plaider. Avec les développeurs qui interagissent déjà avec les données quotidiennement, aller y apporter des ajustements ici et là peut façonner les systèmes pour les débarrasser de leur dette technique. Cela profite également aux compétences des développeurs, car cela les oblige à rester à jour avec les dernières normes de code et de technologie, ce qui à son tour met en place une organisation pour le succès technique, car elle a moins de lacunes en termes de compétences. La mise en œuvre d’une initiative pilotée par les ingénieurs, où ils sont alloués 20 % de leur temps pour planifier les mises à jour de produit, est un excellent moyen de commencer. Même si ce processus est beaucoup plus lent que la replateformisation, il est moins risqué et produit toujours de la valeur pour le modèle commercial.

Laissez votre dette technique derrière vous à l’ère de l’IA

À mesure que l’espace de l’IA continue de se développer rapidement, nous allons continuer à voir plus de solutions émerger qui promettent des gains de productivité et d’efficacité organisationnelle. Même si cela est vrai, les décideurs doivent donner la priorité à l’intégration de techniques telles que la maintenance continue des données et réfléchir à l’image globale lorsqu’il s’agit du cycle de vie de leur solution. Investir dans l’IA n’a pas à être coûteux et écrasant, et avec quelques petits changements dans la planification et la stratégie de mise sur le marché, vous pouvez éviter la prochaine dette technique.